Modelling fuzzy combination of remote sensing vegetation index for durum wheat crop analysis

Semeraro, Teodoro; Mastroleo, Giovanni; Pomes, Alessandro; Luvisi, Andrea; Gissi, Elena; Aretano, Roberta

doi:10.1016/j.compag.2018.12.027

Cited by 35 publications

(14 citation statements)

References 58 publications

Supporting

Mentioning

Contrasting

Unclassified

Order By: Relevance

“…Among the vegetation indices selected were the normalized difference vegetation index (NDVI) [ 46 , 47 ], enhanced vegetation index (EVI) [ 48 ], difference vegetation index (DVI) [ 49 ], ratio vegetation index (RVI) [ 50 ], transformation vegetation index (TVI) [ 51 ], soil-adjusted vegetation index (SAVI) [ 52 ], soil-adjusted total vegetation index (SATVI) [ 53 ] and normalized burn ratio 2 (NBR2) [ 19 ]. The moisture indices include land surface water index (LSWI) [ 54 ] and moisture stress index (MSI) [ 20 ]. The soil brightness indices include brightness index (BI) [ 55 ], brightness index 2 (BI2) [ 55 ], redness index (RI) [ 56 ] and color index (CI) [ 56 ].…”

Section: Methodsmentioning

confidence: 99%

Estimation of Soil Organic Carbon Content in the Ebinur Lake Wetland, Xinjiang, China, Based on Multisource Remote Sensing Data and Ensemble Learning Algorithms

Xie

Ding

et al. 2022

Sensors

View full text Add to dashboard Cite

Soil organic carbon (SOC), as the largest carbon pool on the land surface, plays an important role in soil quality, ecological security and the global carbon cycle. Multisource remote sensing data-driven modeling strategies are not well understood for accurately mapping soil organic carbon. Here, we hypothesized that the Sentinel-2 Multispectral Sensor Instrument (MSI) data-driven modeling strategy produced superior outcomes compared to modeling based on Landsat 8 Operational Land Imager (OLI) data due to the finer spatial and spectral resolutions of the Sentinel-2A MSI data. To test this hypothesis, the Ebinur Lake wetland in Xinjiang was selected as the study area. In this study, SOC estimation was carried out using Sentinel-2A and Landsat 8 data, combining climatic variables, topographic factors, index variables and Sentinel-1A data to construct a common variable model for Sentinel-2A data and Landsat 8 data, and a full variable model for Sentinel-2A data, respectively. We utilized ensemble learning algorithms to assess the prediction performance of modeling strategies, including random forest (RF), gradient boosted decision tree (GBDT) and extreme gradient boosting (XGBoost) algorithms. The results show that: (1) The Sentinel-2A model outperformed the Landsat 8 model in the prediction of SOC contents, and the Sentinel-2A full variable model under the XGBoost algorithm achieved the best results R2 = 0.804, RMSE = 1.771, RPIQ = 2.687). (2) The full variable model of Sentinel-2A with the addition of the red-edge band and red-edge index improved R2 by 6% and 3.2% over the common variable Landsat 8 and Sentinel-2A models, respectively. (3) In the SOC mapping of the Ebinur Lake wetland, the areas with higher SOC content were mainly concentrated in the oasis, while the mountainous and lakeside areas had lower SOC contents. Our results provide a program to monitor the sustainability of terrestrial ecosystems through a satellite perspective.

show abstract

Section: Methodsmentioning

confidence: 99%

Estimation of Soil Organic Carbon Content in the Ebinur Lake Wetland, Xinjiang, China, Based on Multisource Remote Sensing Data and Ensemble Learning Algorithms

Xie

Ding

et al. 2022

Sensors

View full text Add to dashboard Cite

show abstract

“…de ferramentas para estimar o desempenho do cereal [11]. Também com trigo, foi utilizado um modelo fuzzy para estimar os valores de produtividade de biomassa e grãos de trigo pelo nitrogênio e não linearidade da temperatura máxima do ar nas condições de uso do biopolímero hidrogel [4].…”

Section: Anounclassified

Lógica Fuzzy na Previsão da Produtividade de Grãos de Aveia pelo Nitrogênio e Condições Meteorológicas

Rosa¹,

Mantai²,

Peter³

et al. 2022

Proceeding Series of the Brazilian Society of Computational and Applied Mathematics

View full text Add to dashboard Cite

UNIJUÍ, IJUÍ, RSResumo.A modelagem matemática via lógica fuzzy tem permitido simular sistemas complexos de comportamentos lineares e não lineares e auxiliar na busca de soluções nas mais diversas áreas da ciência, com na agricultura. O emprego de lógica fuzzy pode permitir simulações e proposições mais precisas da produtividade dos grãos de espécies, em função de variáveis controladas e não controladas. A aveia branca é um cereal com destaque de seus derivados na alimentação humana e sua produtividade está associada com a adubação através do nitrogênio e as condições meteorológicas. O objetivo deste trabalho é empregar a lógica fuzzy para simular a produtividade de grãos de aveia aliado aos processos envolvendo variáveis meteorológicas não controláveis e considerando o uso do nitrogênio. O delineamento experimental foi de blocos casualizados com 4 repetições, seguindo um esquema fatorial 4 x 2, com quatro doses de nitrogênio (0 kg ha −1 , 30 kg ha −1 , 60 kg ha −1 e 120 kg ha −1 ) e duas cultivares (Barbarasul e Brisasul), no sistema de cultivo soja/aveia nos anos agrícolas de 2011 a 2016. No desenvolvimento da lógica fuzzy foi considerada a função de pertinência triangular e o método de inferência Mamdani. A lógica fuzzy mostra-se eficaz na simulação da produtividade de grãos de aveia em função das variáveis não controladas aliadas a doses de nitrogênio e se ajusta aos processos de biossistemas, representando inovação com potencialidade de uso na perspectiva de simulação, essencialmente em situações onde é necessário lidar com a incerteza e subjetividade, comuns na agricultura.Palavras-chave. Avena sativa L., modelagem matemática, simulação, nitrogênio 1 Introdução A modelagem Matemática é um processo dinâmico muito utilizado em biossistemas para a obtenção e validação de modelos capazes de realizar previsões de produtividade, de diversas culturas [10,13]. Dentre as ferramentas da modelagem matemática tem-se o uso da lógica fuzzy, que é caracterizada como um dos ramos da inteligência artificial [5,9]. A lógica fuzzy é conhecida como sistemas de conjuntos nebulosos, que tem sido utilizada para tratar de problemas com características complexas, sendo capaz de capturar informações incertas, em geral, determinadas por expressões linguísticas, e convertê-las para um formato numérico de fácil manipulação, tornando-se solução para problemas até então não solucionáveis por técnicas clássicas [1,14]. Na agricultura, a

show abstract

“…La empresa King Pigeon en China desarrollo un dispositivo para el monitoreo y control de variables como temperatura y humedad, utiliza un protocolo Modbus GSM 3G 4G y a través de mensajes de texto envía alertas e información de las del estado de las variables [19]. Existen otros desarrollos similares para la automatización de sistemas de riego, los cuales monitorean y controlan remotamente desde un teléfono celular y utilizan tecnologías Arduino y Android, [20][21][22][23][24].…”

Section: Cloudmqttunclassified

Módulo Terminal Remoto, para la adquisición de datos, monitoreo y control de procesos Agroindustriales - AgriculTIC

Mesa

Lombana

Socha³

2021

Ingeniare. Rev. chil. ing.

View full text Add to dashboard Cite

Este artículo describe el desarrollo de un Módulo Terminal Remoto, escalable y compatible con diversidad de sensores y actuadores disponibles en el mercado. El dispositivo fue diseñado para automatización y monitoreo de procesos agroindustriales, con posibilidad de intervención en sitio o a través de servicios de Internet de las cosas (IoT). El sistema cuenta con puertos digitales y analógicos programables, USB On-The-Go (OTG) y bus 1-wire para conexión de diferentes sensores (temperatura, pH, humedad relativa y nivel de oxígeno, entre otros); en cuanto a los actuadores se configuran en dependencia de eventos, o calendario electrónico por reloj de tiempo real (RTC). El registro de datos se realiza de forma local o mediante servicios de computación en la nube, a través de un sistema de comunicación compatible con protocolos TCP/IP, GSM, SMS, EGPRS, 3G y 4G. Por su parte el acceso al sistema se establece de forma remota, o local, a través de dispositivos USB con funcionalidad OTG o Bluetooth. El módulo está compuesto por tres subsistemas independientes; software, hardware y módulo de comunicación. El ciclo de vida del Proyecto se llevó a cabo mediante un modelo en V; integrando la metodología SCRUM para el desarrollo de la plataforma software. Así mismo el módulo de comunicación se desarrolló mediante un protocolo abierto, que permite a otros desarrolladores, generar nuevas soluciones tecnológicas e incorporar otras funcionalidades al sistema. La validación del sistema se realizó bajo el estándar IEEE 1012-2016 y las pruebas de funcionamiento del prototipo se efectuaron en cultivos agrícolas de la región de Casanare-Colombia.Palabras clave: Variables agrometeorológicas, monitoreo en tiempo real, Internet de las cosas, agricultura de precisión, sensores, adquisición de datos, Bus 1-wire.

show abstract

Modelling fuzzy combination of remote sensing vegetation index for durum wheat crop analysis

Cited by 35 publications

References 58 publications

Estimation of Soil Organic Carbon Content in the Ebinur Lake Wetland, Xinjiang, China, Based on Multisource Remote Sensing Data and Ensemble Learning Algorithms

Estimation of Soil Organic Carbon Content in the Ebinur Lake Wetland, Xinjiang, China, Based on Multisource Remote Sensing Data and Ensemble Learning Algorithms

Lógica Fuzzy na Previsão da Produtividade de Grãos de Aveia pelo Nitrogênio e Condições Meteorológicas

Módulo Terminal Remoto, para la adquisición de datos, monitoreo y control de procesos Agroindustriales - AgriculTIC

Contact Info

Product

Resources

About